AI generativa: applicazioni pratiche in contesti business

Un articolo sull’intelligenza artificiale generativa apparso nell’aprile del 2023 sull’Harvard Business Review, dal titolo Generative AI Will Change Your Business. Here’s How to Adapt, si apriva con queste parole: “Sta arrivando. L’AI generativa cambierà la natura del modo in cui interagiamo con tutti i software e, dato che molti marchi hanno componenti software significative nel modo in cui interagiscono con i clienti, l’AI generativa guiderà e distinguerà il modo in cui sempre più marchi competono”.

È passato poco più di un anno da quell’articolo ma possiamo già affermare senza timore di essere smentiti che l’intelligenza artificiale generativa è già arrivata, e sta già cambiando il modo in cui molti business operano e il modo in cui le persone lavorano, studiano, si relazionano con i brand, vivono la propria vita quotidiana.

In questo articolo, dopo una breve introduzione sulla definizione di AI generativa e su alcuni dati relativi all’adoption e agli impatti economici dell’AI generativa nel mondo delle imprese, ci concentreremo su alcune applicazioni pratiche dell’AI generativa in contesti business, per capirne i vantaggi.

Cos’è l’AI generativa

Come spiega l’Osservatorio Artificial Intelligence del Politecnico di Milano, l’AI è una tecnologia complessa con alla base un’idea molto semplice: “Sviluppare delle ‘macchine’ dotate di capacità di apprendimento automatico e di adattamento che siano ispirate ai modelli di apprendimento umani”.

Di intelligenza artificiale si parla fin dagli anni ’50 del secolo scorso, quando il padre dell’informatica Alan Touring, nell’opera “Computing Machinery and Intelligence”, si pose la domanda: “le macchine possono pensare?”. Una questione alla base del Test di Turing, volto a capire se una macchina poteva essere considerata intelligente. Per superare questo test il comportamento della macchina, osservato da un essere umano, non deve essere distinguibile da quello di una persona.

L’attendibilità di questo test per determinare l’intelligenza di una macchina e in generale le prestazioni delle AI è oggetto di discussione nella comunità scientifica. Fatta questa premessa, uno studio condotto da un gruppo di ricercatori coordinati da Matthew Jackson dell’Università di Stanford e pubblicato sulla rivista PNAS (Proceedings of the Natural Academy of Sciences) ha rivelato che una versione di ChatGPT, il chtabot di intelligenza artificiale generativa sviluppato da OpenAI, è riuscito a superare un test di Turing.

Cos’è dunque l’AI generativa? Per AI generativa (o intelligenza artificiale generativa o, in inglese, generative AI), si intende un tipo di intelligenza artificiale che usa algoritmi di apprendimento automatico (in inglese machine learning) per generare nuovi contenuti che in precedenza si basavano sulla creatività dell’uomo. Questi contenuti possono essere testi, immagini, video, audio, o codice informatico.   

Alcuni esempi di tool di AI generativa

Il software più famoso nel panorama dell’AI generativa è senza dubbio ChatGPT (acronimo di Chat Generative Pre-trained Transformer), lanciato nel novembre del 2022 da OpenAI. Per avere un’idea della sua popolarità, basti pensare che nel 2023 ChatGPT, secondo il Google Year search report, è stata una delle parole più cercate in Italia.

ChatGPT, come altri tool simili che integrano l’AI generativa, funziona tramite prompt: attraverso interfacce per lo più testuali si forniscono alla macchina indicazioni per la creazione di un output. Il prompting è però destinato a cambiare a breve: OpenAI ha infatti recentemente annunciato che rilascerà una versione aggiornata del suo tool, Chat GPT-4o, che garantirà un’interazione uomo-macchina multimodale. Il chatbot sarà in grado di comprendere e rispondere con tempi di reazione simili alle interazioni umane non solo a input di testo, ma anche a voce, immagini e video all’interno di un’unica piattaforma.

Alcuni tra gli altri software di AI generativa più diffusi sono: Microsoft Copilot, assistente digitale basato su ChatGPT che può aiutare gli utenti della suite Microsoft365 a creare bozze di contenuto, immagini e altro; Midjourney, Stable Diffusion e DALL-E, generatori di immagini a partire da un testo; Adobe Firefly, anch’esso generatore di immagini che si basa però sulla vasta library di Adobe stock, evitando così i problemi di violazione di copyright imputati agli altri software.

Il grado di adoption dell’AI generativa

Una volta compreso cos’è l’AI generativa ed elencati alcuni software che la utilizzano, vediamo brevemente qual è il grado di penetrazione e di adoption di questa tecnologia nella vita lavorativa e quotidiana.

Secondo l’IBM Global AI Adoption Index 2023, una survey condotta nel novembre 2023 su un campione rappresentativo di 8.584 professionisti IT di diversi Paesi, il 42% delle grandi organizzazioni ha implementato attivamente l’intelligenza artificiale, mentre un ulteriore 40% sta esplorando l’utilizzo di tale tecnologia. Inoltre, il 38% delle aziende sta implementando attivamente l’AI generativa e un altro 42% la sta esplorando.

Un recente sondaggio di Adobe relativo agli Stati Uniti e condotto su oltre 3000 clienti ha rivelato che il 53% di loro ha già utilizzato l’AI generativa. La maggior parte degli utilizzatori (81%) ha usato l’AI generativa nella vita quotidiana, il 30% al lavoro e il 17% a scuola.

In Italia, i dati più recenti sono contenuti in una ricerca dell’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano, presentata a febbraio 2024. Secondo questo studio, nel 2023 circa 2 grandi aziende su 3 hanno discusso internamente delle applicazioni delle Generative AI e una su quattro (il 17% del totale), ha avviato una sperimentazione. Se si passa alle PMI (piccole e medie imprese), la percentuale di chi sta riflettendo su possibili applicazioni dell’AI generativa si riduce al 7% e chi ha iniziato a sperimentare è solo il 2%.

Impatto economico dell’AI generativa sul business

Da tutti i report e le survey citate prima si evince che i dati relativi all’adoption dell’AI generativa – lo sviluppo più recente di questa tecnologia – sono ancora relativamente più bassi rispetto all’adoption dell’AI generica. A livello economico, l’impatto dell’AI generativa sui business è dunque attualmente minore rispetto all’AI generica, ma il suo potenziale è ben più alto.

In Italia, secondo il già citato report dell’Osservatorio Artificial Intelligence del POLIMI, nel 2023 il mercato complessivo legato all’AI ha raggiunto il valore di 760 milioni di euro (+52% rispetto all’anno precedente), mentre il valore dei progetti di AI generativa ha raggiunto un valore di 38 milioni di euro (5% del totale).

Per quanto riguarda il potenziale economico dell’AI generativa, riportiamo invece i dati di uno studio intitolato proprio The economic potential of generative AI, frutto della collaborazione del McKinsey Global Institute e di QuantumBlack, la società di McKinsey specializzata in intelligenza artificiale.

Secondo questo studio, che prende in esame sia i potenziali benefici di questa tecnologia in oltre 60 casi d’uso concreti in 16 funzioni aziendali, sia il suo impatto su specifiche attività lavorative in oltre 850 professioni, il potenziale economico dell’AI generativa è compreso tra 2.600 e 4.400 miliardi di dollari all’anno.

Lo studio stima anche l’incremento di produttività che l’utilizzo dell’AI generativa potrebbe comportare in oltre 2.000 attività lavorative tradizionali, che porterebbe a un impatto complessivo sull’economia globale compreso tra 6.100 e 7.900 miliardi ogni anno.

Intelligenza artificiale generativa: applicazioni pratiche in contesti business

Quali sono alcune applicazioni pratiche dell’AI generativa in contesti business? Stando alla ricerca di Mckinsey già citata, sono quattro le funzioni aziendali chiave che beneficiano e beneficeranno sempre più delle potenzialità offerte dall’intelligenza artificiale generativa: customer operations, marketing & vendite, software engineering e ricerca & sviluppo. In generale, le applicazioni pratiche più promettenti dell’AI generativa in vari contesti aziendali riguardano i seguenti ambiti:

Automazione creativa: l’AI generativa può produrre automaticamente testi, immagini e video, riducendo il carico di lavoro dei team creativi e accelerando i processi di produzione. Esempi di applicazione sono i primi spot interamente prodotti con l’AI da parte di agenzie pubblicitarie, o modelli di AI utilizzati dalle maison di moda creare design di abbigliamento innovativi.

Personalizzazione del cliente: che si tratti di customer care, di programmi formativi o di assistenza sanitaria, l’AI generativa può offrire esperienze e soluzioni altamente personalizzate ai clienti. Analizzando una grande mole di dati, può generare raccomandazioni di prodotti, consigli, assistenza, percorsi di formazione o farmaci su misura.

Ottimizzazione operativa: l’AI generativa gioca un ruolo cruciale nell’ottimizzazione delle operazioni aziendali. Ad esempio, può prevedere la domanda di prodotti, ottimizzare la gestione delle scorte e persino generare codici software per automatizzare compiti ripetitivi, portando a un incremento dell’efficienza operativa.

Ricerca e sviluppo: nel campo della ricerca e sviluppo, l’AI generativa accelera la scoperta e l’innovazione. Un esempio concreto riguarda le aziende farmaceutiche, che usano modelli di AI per generare nuove molecole per farmaci, riducendo significativamente i tempi e i costi associati alla ricerca. Ma l’applicazione dell’AI generativa alle funzioni Research & Development riguarda svariate industry, come vedremo tra poco.

Le industry interessate dall’AI generativa

Per avere una panoramica delle industry interessate dalle potenzialità dell’AI generativa si può fare riferimento all’iniziativa GenAI4EU. Si tratta di un programma dell’Unione europea volto all’adozione dell’intelligenza artificiale generativa in tutti gli ecosistemi industriali strategici dell’Ue. Passiamoli brevemente in rassegna.

Robotica

L’AI generativa migliora le capacità dei robot in termini di apprendimento, interazione con gli esseri umani e funzionamento. Apprendere dall’esperienza, comprendere le azioni umane e saper rispondere alle stesse sono tutte capacità che l’AI generativa potrà migliorare.

Assistenza sanitaria

L’AI generativa consentirà di fornire soluzioni sanitarie su misura ai pazienti, basate sulla composizione genetica e sui fattori ambientali e di stile di vita specifici di ciascuno di essi.

Biotecnologie e sostanze chimiche

Nelle industrie farmaceutica e delle biotecnologie, l’AI generativa è potenzialmente in grado di generare dati genetici sintetici in assenza di dati reali e di creare nuove sequenze genetiche o analizzare quelle esistenti per favorire la comprensione di malattie genetiche complesse o per facilitare la scoperta di farmaci. Un esempio di applicazione concreta della GenAI in questo settore è rappresentato dalla start-up olandese Cradle, che utilizzando l’IA generativa per assistere i biologi nella progettazione di proteine migliorate, ha ridotto del 50 % i tempi di ricerca e sviluppo necessari per tale progettazione.

Materiali e batterie

L’AI generativa può essere impiegata per sintetizzare nuove strutture di materiali, prevedere nuove proprietà dei materiali o progettarne di nuovi dotati di particolari proprietà meccaniche, termiche o elettriche, anche in un’ottica sempre più sostenibile. L’AI generativa può infatti rivelarsi preziosa in tutte le fasi del processo produttivo dell’idrogeno, per incrementarne la produzione quale fonte di energia pulita o, nel caso delle batterie, può renderle più performanti e sicure.

Industria manifatturiera e ingegneria

Sfruttando l’enorme mole di dati industriali prodotti dall’IoT (Internet of Things), l’AI migliorerà i processi di fabbricazione o le catene di approvvigionamento, abbattendo gli sprechi e i costi e garantendo prodotti di qualità superiore e più attenti all’ambiente.

Mobilità

L’AI generativa è in grado di ottimizzare i sistemi di trasporto, individuando le inefficienze e migliorando la gestione del traffico nelle città. Questa tecnologia riveste un ruolo importante anche nell’industria automobilistica per quanto riguarda lo sviluppo della guida autonoma.

Cambiamenti climatici e sostenibilità ambientale

Di fronte all’aumento di eventi meteorologici e climatici estremi, è necessario affinare sempre di più lo sviluppo dei sistemi di previsione. Compito che l’AI generativa può facilitare, rendendo le previsioni meteorologiche più accurate, dettagliate e adattabili e apportando così un contributo significativo alla preparazione alle catastrofi nel campo dell’agricoltura, dei trasporti e di altri settori sensibili ai cambiamenti climatici.

Mondi virtuali e digital twins

L’AI generativa è fondamentale per lo sviluppo di mondi virtuali realistici, creativi, immersivi e interattivi, che possono offrire esperienze personalizzate e dare impulso alla creatività nel settore delle industrie culturali e creative, come ad esempio i videogiochi e l’intrattenimento.

L’AI generativa sarà importante anche nelle applicazioni di realtà virtuale impiegate nelle città intelligenti (smart cities), nella promozione del turismo, nella vendita al dettaglio e nella cultura fino all’ottimizzazione dei sistemi di trasporto o alla gestione delle sfide di sostenibilità urbana. In Svezia, alcune start-up innovative offrono gemelli digitali (digital twins) gestiti dall’AI che, rispetto ai metodi convenzionali, consentono di addestrare e testare soluzioni autonome in modo più rapido, ad esempio nel settore della mobilità.

Cybersicurezza

L’AI generativa è in grado di aumentare in maniera esponenziale la capacità di apprendere e riprodurre le caratteristiche riscontrate nelle minacce informatiche o nelle vulnerabilità. Va però detto che anche i cybercriminali possono servirsi delle potenzialità dell’AI generativa per affinare la loro capacità di organizzare attacchi informatici.

Settore aerospaziale

Addestramento, volo autonomo, progettazione di nuovi materiali sempre più leggeri e robusti; sono alcune delle applicazioni concrete dell’AI generativa nel settore aerospaziale.

Agricoltura

L’AI generativa offre importanti potenzialità di miglioramento delle pratiche agricole in termini di produttività e sostenibilità. Nell’allevamento, può migliorare il monitoraggio in tempo reale del bestiame e la diagnosi delle malattie mediante la generazione di modelli più accurati basati su un’ampia mole di dati sulla salute e sul comportamento degli animali. Per quanto riguarda le colture, l’AI generativa può rivoluzionare i sistemi di irrigazione intelligenti per ottimizzare l’uso dell’acqua e prevedere le esigenze future.

Scienze

L’AI generativa è destinata a esercitare un profondo impatto anche sulla ricerca scientifica, dando corso a una nuova ondata di innovazione nelle intersezioni tra l’AI e le varie discipline scientifiche.

Settore pubblico

Nel settore pubblico l’AI generativa può migliorare l’efficienza della pubblica amministrazione, facilitare l’accesso dei cittadini alle informazioni o contribuire allo svolgimento dei compiti di vigilanza del mercato. Un esempio concreto è il chatbot lanciato dalla città di Heidelberg in Germania, sviluppato dalla start-up tedesca Aleph-Alpha, che consente ai cittadini di orientarsi con facilità tra servizi amministrativi quali la richiesta di una nuova carta d’identità, l’ottenimento della patente di guida e la registrazione del luogo di residenza.

Conclusioni

L’AI generativa sta trasformando il modo in cui le aziende conducono i propri business, offrendo a organizzazioni di tutte le industry soluzioni innovative che possono migliorare la creatività, l’efficienza, la produttività, la sostenibilità, la personalizzazione delle soluzioni e l’esperienza del cliente. L’impatto potenziale di questa tecnologia sull’economia è enorme, ma anche più destabilizzante rispetto alle precedenti generazioni di intelligenza artificiale. Inoltre, l’adoption di tale tecnologia richiederà grandi sforzi alle organizzazioni anche in termini di reskilling delle proprie persone e cambiamento del mindset.